韓茹 程東 劉昊

（諾基亞通信技術(shù)（北京）有限公司浙江分公司 浙江省杭州市 310020）

5G 網(wǎng)絡(luò)的智能化、虛擬化程度遠(yuǎn)高于4G。尤其是云網(wǎng)融合、網(wǎng)隨云動、DC 下沉，使傳統(tǒng)移動網(wǎng)絡(luò)的無線網(wǎng)、承載網(wǎng)、核心網(wǎng)之間的邊界越來越模糊，在5G 云網(wǎng)融合的背景下，網(wǎng)絡(luò)邊界的模糊化使得分專業(yè)運(yùn)維的難度越來越高，迫切需要網(wǎng)絡(luò)一體化的診斷方法。

為此，我們基于運(yùn)營商現(xiàn)場的一體化診斷案例與經(jīng)驗(yàn)，從資源聯(lián)動、告警聯(lián)動、性能聯(lián)動多個(gè)維度梳理了智能聯(lián)動、融合運(yùn)維的方法，最終建立起5G 云網(wǎng)融合的網(wǎng)絡(luò)一體化診斷方法。

1 5G云網(wǎng)融合下的網(wǎng)絡(luò)一體化診斷方法詳述

5G 云網(wǎng)融合下的網(wǎng)絡(luò)一體化診斷方法，主要從資源聯(lián)動、告警聯(lián)動、性能聯(lián)動三個(gè)維度來實(shí)現(xiàn)。

1.1 資源聯(lián)動的實(shí)現(xiàn)方法

承載網(wǎng)在整個(gè)5G 網(wǎng)絡(luò)中起到了承上啟下的作用，由于核心網(wǎng)側(cè)的DC 數(shù)量較少，基于5GC CE 和ASBR 設(shè)備可以很容易地建立起“承載網(wǎng)-核心網(wǎng)”的資源樹，因此5G 網(wǎng)絡(luò)的資源聯(lián)動難點(diǎn)主要體現(xiàn)在“無線網(wǎng)-承載網(wǎng)”這一段。

根據(jù)5G 承載網(wǎng)PW+L3VPN 組網(wǎng)策略，通過在A 設(shè)備和B 設(shè)備上采集相關(guān)的端口、PW、VRF 信息，可以自動判斷出每個(gè)A 設(shè)備下掛的基站設(shè)備IP 地址。

判定承載網(wǎng)與基站的資源聯(lián)動關(guān)系的算法為：同時(shí)滿足以下幾個(gè)條件時(shí)，對應(yīng)的子接口下掛的即為基站業(yè)務(wù)。

（1）接入PW 終結(jié)在B 設(shè)備的2 層子接口上；

（2）3 層子接口上的VRF 為“CDMA-RAN”；

（3）GW 的IP 地址+1 即為基站的IP 地址；

（4）通過IP relay address 來判斷基站業(yè)務(wù)類型是5G NSA 還是5G SA。

1.2 告警聯(lián)動的實(shí)現(xiàn)方法

1.2.1 告警采集方法

網(wǎng)管軟件采集網(wǎng)元告警的方法有多種，包括：

（1）SNMP Trap：由網(wǎng)元實(shí)時(shí)上報(bào)，在5 秒內(nèi)完成告警的收集和處理；

（2）SNMP Get：由網(wǎng)管系統(tǒng)定時(shí)輪詢設(shè)備狀態(tài)，輪詢周期一般設(shè)置為5 分鐘；

（3）Streaming Telemetry（流遙測技術(shù)）：是一項(xiàng)從物理設(shè)備或虛擬設(shè)備上遠(yuǎn)程高速采集數(shù)據(jù)的網(wǎng)絡(luò)監(jiān)控技術(shù)，可以支持毫秒級的數(shù)據(jù)采集能力，支持基于訂閱的推送模式（PushMode）主動向采集器推送數(shù)據(jù)信息，提供更實(shí)時(shí)、更高速、更精確的網(wǎng)絡(luò)監(jiān)控功能。

（4）閾值告警：由性能指標(biāo)超過一定閾值后產(chǎn)生的告警，如CPU 利用率告警、光功率異常告警等。

1.2.2 告警歸一化處理

系統(tǒng)將按照統(tǒng)一的告警模型，對采集到的告警數(shù)據(jù)進(jìn)行歸一化處理。

1.2.3 告警聯(lián)動處理

在5G 組網(wǎng)中，承載網(wǎng)絡(luò)承上啟下，對接包括5G 基站gNB、邊緣網(wǎng)關(guān)MEC、下沉的DC 節(jié)點(diǎn)、核心網(wǎng)5GC、入云業(yè)務(wù)的云資源池等。無論是對接哪類設(shè)備，都需要進(jìn)行告警的聯(lián)動處理。

承載網(wǎng)側(cè)網(wǎng)管將對圖中涉及到的設(shè)備都進(jìn)行設(shè)備告警、鏈路告警、協(xié)議告警、其他告警的監(jiān)測與聯(lián)動處理。通過接入與業(yè)務(wù)通斷、性能相關(guān)的告警，按照告警協(xié)同定位來定位業(yè)務(wù)異常根因點(diǎn)。當(dāng)業(yè)務(wù)故障或性能異常后，有些可通過顯性告警直接定位根因，例如設(shè)備掉電等；而有些則需通過告警逐級判定，例如鏈路正常但OSPF鄰居狀態(tài)異常等。

1.3 性能聯(lián)動的實(shí)現(xiàn)方法

1.3.1 性能數(shù)據(jù)采集與聯(lián)動

承載網(wǎng)管通過SNMP 協(xié)議每5 分鐘采集一次全網(wǎng)所有A 設(shè)備、B設(shè)備的每個(gè)接口的流量，計(jì)算出相應(yīng)的5分鐘接收速率、發(fā)送速率，并按照基站業(yè)務(wù)自動發(fā)現(xiàn)的資源聯(lián)動信息，得到每個(gè)基站的5 分鐘接收流量、發(fā)送流量及總流量。

根據(jù)每個(gè)基站的IP 地址，承載網(wǎng)管可以匹配到該基站對應(yīng)的ID、名稱、經(jīng)度、緯度信息，從而通過GIS API 進(jìn)行分圖層的獨(dú)立值專題圖方式呈現(xiàn)，按照基站的流量進(jìn)行分等級設(shè)置，不同級別以不同的顏色表示。如圖1 所示。

1.3.2 性能測量聯(lián)動

網(wǎng)絡(luò)的隱性問題，還可以通過性能測量來實(shí)現(xiàn)聯(lián)動與定位，如網(wǎng)絡(luò)的端到端Ping 測、基于RFC2544 的性能測量、Y.1731 測量等。

（1）端到端Ping 測：周期性對業(yè)務(wù)進(jìn)行PW 全程PING 操作，初步統(tǒng)計(jì)分析業(yè)務(wù)性能指標(biāo)。

（2）基于RFC2544 的性能測量：對于客戶業(yè)務(wù)性能異常，而無法判定原因，此類狀況可剝離客戶側(cè)設(shè)備及網(wǎng)絡(luò)，再通過RFC2544 協(xié)議實(shí)時(shí)的對網(wǎng)絡(luò)端到端性能進(jìn)行探測及統(tǒng)計(jì)，包含吞吐量、丟包率、時(shí)延及抖動等性能指標(biāo)。可用于判定網(wǎng)絡(luò)側(cè)或客戶側(cè)性能故障點(diǎn)。

（3）Y.1731 測量：自動/手動方式進(jìn)行測量，測量方式基于Y.1731 協(xié)議（對業(yè)務(wù)運(yùn)行無影響），分析端到端時(shí)延、丟幀率等性能指標(biāo)。

2 網(wǎng)絡(luò)一體化診斷方法的關(guān)鍵技術(shù)

在上述的網(wǎng)絡(luò)一體化診斷方法中，最關(guān)鍵的幾項(xiàng)技術(shù)說明如下。

2.1 承載網(wǎng)絡(luò)上自動發(fā)現(xiàn)基站業(yè)務(wù)的資源聯(lián)動算法

通過基站業(yè)務(wù)自動判定的方法，在不依賴其它系統(tǒng)平臺的情況下，直接由承載網(wǎng)管側(cè)發(fā)現(xiàn)每個(gè)A 設(shè)備下掛的基站IP、掛接的端口等信息，這也是在承載網(wǎng)管上實(shí)現(xiàn)無線網(wǎng)與承載網(wǎng)智能聯(lián)動的前提。

2.2 網(wǎng)絡(luò)智能聯(lián)動、融合運(yùn)維的GIS互動呈現(xiàn)方法

圖1：性能流量指標(biāo)的聯(lián)動GIS 呈現(xiàn)

A 設(shè)備、BB 對與基站的互動，是通過百度地圖的API 來實(shí)現(xiàn)的，但由于全省各類基站數(shù)量眾多，因此直接采用百度地圖的API 控件，會導(dǎo)致地圖在加載基站圖層后打開很慢（15s 左右），而且進(jìn)行地圖的操作會出現(xiàn)卡頓。因此對應(yīng)用做了優(yōu)化，包括：

2.2.1 批量入?yún)?yōu)化

百度地圖API 支持JSON 方式的入?yún)?，通過入?yún)⒌呐刻幚韮?yōu)化，在數(shù)據(jù)庫中直接轉(zhuǎn)換得到要求的JSON 方式，使百度地圖控件能夠批量處理，從而實(shí)現(xiàn)GIS 圖的加載時(shí)間在1s 左右。

2.2.2 多級動態(tài)合并

比如10 萬個(gè)基站同時(shí)作為一個(gè)圖層進(jìn)行顯示，則當(dāng)?shù)貓D縮小時(shí)，基站圖層將完全覆蓋住底圖。因此，需要按照基站的實(shí)際經(jīng)緯度以及站間距，實(shí)現(xiàn)動態(tài)的基站圖標(biāo)合并。在不同的放大等級下，當(dāng)基站的站間距小于門限值時(shí)，后臺會自動把這些基站合并為同一圖標(biāo)，從而實(shí)現(xiàn)在不同的GIS 圖放大、縮小等級下，都能夠流暢地呈現(xiàn)基站位置、告警、流量等信息。

百度地圖自帶的API 在計(jì)算基站圖標(biāo)合并時(shí)，速度較慢，這會導(dǎo)致GIS 操作時(shí)的響應(yīng)時(shí)間較長，采用多級動態(tài)合并技術(shù)，由數(shù)據(jù)庫異步計(jì)算所有放大、縮小等級下全網(wǎng)基站的站間距以及圖標(biāo)的合并關(guān)系，當(dāng)在GIS 圖操作時(shí)，響應(yīng)時(shí)間可以小于1s，從而解決了百度地圖API 在大數(shù)據(jù)量時(shí)處理能力不足的問題。

2.3 性能聯(lián)動的并發(fā)處理算法

由于基站設(shè)備數(shù)量眾多，因此目前移動網(wǎng)網(wǎng)管只能提供最小粒度為小時(shí)的流量等性能指標(biāo)采集和統(tǒng)計(jì)能力。

根據(jù)無線網(wǎng)與承載網(wǎng)的智能聯(lián)動要求，需要實(shí)現(xiàn)基站流量5 分鐘粒度的采集和分析能力，為此我們采用Erlang 語言設(shè)計(jì)和開發(fā)了大規(guī)模分布式云采集服務(wù)，可以同時(shí)通過云資源的集群分布調(diào)度數(shù)百萬的采集任務(wù)。

調(diào)度原理簡述為，所有的分布式采集Node(節(jié)點(diǎn))集群在一起組成一組Hash 環(huán)。每個(gè)采集任務(wù)由唯一的UUID 標(biāo)示，Master(主節(jié)點(diǎn))根據(jù)任務(wù)的UUID 作Hash 運(yùn)算，生成Key，然后在一組Hash 環(huán)中找到前置的Node(節(jié)點(diǎn))，將任務(wù)分配到該Node 進(jìn)行調(diào)度。

利用上述并發(fā)調(diào)度原理設(shè)計(jì)的框架，目前已經(jīng)實(shí)現(xiàn)每秒并發(fā)10000 個(gè)端口的采集和流量差值處理能力，按5 分鐘采集粒度，可以支持到全網(wǎng)300 萬端口。如果后續(xù)網(wǎng)絡(luò)設(shè)備數(shù)量增加，也可以通過相應(yīng)增加虛擬機(jī)采集服務(wù)器來擴(kuò)展。

3 結(jié)束語

根據(jù)上述資源聯(lián)動、告警聯(lián)動、性能聯(lián)動實(shí)現(xiàn)5G 云網(wǎng)融合下的網(wǎng)絡(luò)一體化診斷，不需要后端維護(hù)人員一直進(jìn)行值守和分析，只需在網(wǎng)絡(luò)出現(xiàn)異常后由系統(tǒng)自動通過短信、郵件等方式通知相關(guān)人員即可，這將有利于5G 業(yè)務(wù)大發(fā)展的背景下，進(jìn)行“能遠(yuǎn)程不現(xiàn)場、能自動不人工”的集約化運(yùn)維，也能夠顯著提升維護(hù)人員問題處理的工作效率和準(zhǔn)確率，從而提升5G 網(wǎng)絡(luò)的客戶滿意度。